Klasterisasi Perguruan Tinggi LLDIKTI V Berdasarkan Indikator Kinerja Utama dan PDDIKTI Menggunakan K-Means Clustering

Authors

  • Virdiana Sriviana Fatmawaty Universitas Ahmad Dahlan, Yogyakarta
  • Imam Riadi Universitas Ahmad Dahlan, Yogyakarta
  • Herman Herman Universitas Ahmad Dahlan, Yogyakarta

DOI:

https://doi.org/10.30865/mib.v8i2.7497

Keywords:

Clustering, PTS, K-Means, Key Performance Indicators, PDDIKTI

Abstract

Pertumbuhan jumlah perguruan tinggi yang terus meningkat menjadi salah satu faktor krusial untuk memastikan mutu pendidikan tinggi agar berdaya saing. Komposisi perguruan tinggi di Provinsi Daerah Istimewa Yogyakarta terdiri atas 77% Perguruan Tinggi Swasta (PTS) dan sisanya adalah Perguruan Tinggi Negeri (PTN). Masing-masing perguruan tinggi memiliki Indikator Kinerja Utama (IKU) yang wajib dilaporkan dan dipenuhi, serta melakukan pendataan aktivitas pembelajarannya pada Pangkalan Data Pendidikan Tinggi (PDDIKTI). Data IKU dan data PDDIKTI ini menjadi  bahan evaluasi dan analisis untuk menentukan baseline dalam aktivitas pembinaan di LLDikti Wilayah V khususnya bagi PTS. Salah satu model analisis yang dapat dilakukan adalah dengan metode klasterisasi. Metode ini biasa digunakan pada data mining untuk mengelompokkan data berdasarkan kesamaan karakteristik data. Penelitian ini melakukan klasterisasi PTS di LLDIKTI Wilayah V menggunakan algoritma K-Means Custering. Hasil penelitian ini menunjukkan bahwa berdasarkan kesamaan karakteristik data IKU dan data PDDIKTI terbentuk empat klaster PTS, yaitu klaster 1 terdiri dari 4 PTS, klaster 2 terdiri dari 46 PTS, klaster 3 terdiri dari 21 PTS, dan klaster 4 terdiri dari 33 PTS.  Hasil analisis ini akan sangat bermanfaat bagi LLDIKTI Wilayah V dalam melakukan fungsi pembinaan kepada PTS.

References

K. Kardoyo, L. K. Pitaloka, R. Rozman, and B. B. Hapsoro, “Analyzing Universities Service Quality to Student Satisfaction; Academic and Non-Academic Analyses,†Int. J. High. Educ., vol. 9, no. 1, p. 126, Dec. 2020, doi: 10.5430/ijhe.v9n1p126.

Yoga Budi Bhakti, Achmad Ridwan, and Riyadi, “Urgensi Sistem Penjaminan Mutu Internal Dan Eksternal Dalam Meningkatkan Mutu Perguruan Tinggi,†J. Penjaminan Mutu, vol. 8, no. 02, pp. 251–260, Aug. 2022, doi: 10.25078/jpm.v8i02.1394.

D. J. P. T. Kemendikbudristek, Directorate General of Higher Education Ministry of Education and Culture Higher Education Statistics. 2022.

K. M. P. dan K. RI, Keputusan Menteri Pendidikan dan Kebudayaan RI No 3/ M/ 2021 tentang Indikator Kinerja Utama Perguruan Tinggi Negeri dan Lembaga Layanan Pendidikan Tinggi di Kementerian Pendidikan dan Kebudayaan. 2021, pp. 1–33.

K. Mendikbudristek, Keputusan Menteri Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia Nomor 210/M/2023 Tentang Indikator Kinerja Utama Perguruan Tinggi dan LL-DIKTI di Kemendikbudristek. 2023.

F. Rahmayani, “Penerapan Algoritma C4.5 Dengan Feature Forward Selection Untuk Analisis Capaian Indikator Kinerja Utama Berdasarkan Tracer Study (Studi Kasus: Fasilkom Unsika),†vol. 7, no. 4, pp. 2732–2738, 2023.

Kementrian Hukum dan HAM, “Undang-Undang Republik Indonesia No. 12 Tahun 2012 tentang Pendidikan Tinggi,†Undang Undang, p. 18, 2012.

R. P. Wibowo et al., “Problem identification and intervention in the higher education data synchronization system in Indonesia,†Procedia Comput. Sci., vol. 197, no. 2021, pp. 484–494, 2021, doi: 10.1016/j.procs.2021.12.165.

N. Ngatmari, M. B. Musthafa, C. Rahmad, R. A. Asmara, and F. Rahutomo, “Pemanfaatan Data PDDIKTI sebagai Pendukung Keputusan Manajemen Perguruan Tinggi,†J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 3, pp. 555–564, 2020, doi: 10.25126/jtiik.2020722585.

S. Usman and U. Pancasakti, “Implementasi Sistem Informasi Akademik Dengan Feeder PDDIKTI Berbasis Android,†J. Syst. Comput. Eng. Vol. 1 No. 1 Juli 2020 ISSN, vol. 1, no. 1, pp. 28–37, 2020.

T. M. Ghazal et al., “Performances of k-means clustering algorithm with different distance metrics,†Intell. Autom. Soft Comput., vol. 30, no. 2, pp. 735–742, 2021, doi: 10.32604/iasc.2021.019067.

K. P. Sinaga and M. S. Yang, “Unsupervised K-means clustering algorithm,†IEEE Access, vol. 8, pp. 80716–80727, 2020, doi: 10.1109/ACCESS.2020.2988796.

A. A. Aldino, D. Darwis, A. T. Prastowo, and C. Sujana, “Implementation of K-Means Algorithm for Clustering Corn Planting Feasibility Area in South Lampung Regency,†J. Phys. Conf. Ser., vol. 1751, no. 1, 2021, doi: 10.1088/1742-6596/1751/1/012038.

A. F. Mohamed Nafuri, N. S. Sani, N. F. A. Zainudin, A. H. A. Rahman, and M. Aliff, “Clustering Analysis for Classifying Student Academic Performance in Higher Education,†Appl. Sci., vol. 12, no. 19, 2022, doi: 10.3390/app12199467.

R. Watrianthos, R. Handayani, W. Simatupang, D. Irfan, and M. Muskhir, “Penerapan Metode PROMETHEE-GAIA Dalam Pemeringkatan Perguruan Tinggi di Indonesia,†J. Media Inform. Budidarma, vol. 6, no. 1, p. 138, 2022, doi: 10.30865/mib.v6i1.3419.

E. Ermawati, I. Sriliana, and R. Sriningsih, “Clustering of State Universities in Indonesia Based on Productivity of Scientific Publications Using K-Means and K-Medoids,†BAREKENG J. Ilmu Mat. dan Terap., vol. 17, no. 3, pp. 1617–1630, 2023, doi: 10.30598/barekengvol17iss3pp1617-1630.

J. H. E. Guzman, R. A. Zuluaga-Ortiz, L. E. G. Donado, E. J. Delahoz-Dominguez, A. Marquez-Castillo, and M. Suarez-Sánchez, “Cluster analysis in Higher Education Institutions’ knowledge identification and production processes,†Procedia Comput. Sci., vol. 203, no. 2021, pp. 570–574, 2022, doi: 10.1016/j.procs.2022.07.081.

Y. Sasmita, M. Muhsi, and M. Walid, “Klasterisasi Perguruan Tinggi Swasta di Madura Berdasarkan Kinerja Sumber Daya Manusia dan Mahasiswa Menggunakan Metode K-Means Clustering,†J. MEDIA Inform. BUDIDARMA, vol. 6, no. 4, p. 2157, Oct. 2022, doi: 10.30865/mib.v6i4.4431.

H. Han, “Fuzzy clustering algorithm for university students’ psychological fitness and performance detection,†Heliyon, vol. 9, no. 8, p. e18550, 2023, doi: 10.1016/j.heliyon.2023.e18550.

B. K. Francis and S. S. Babu, “Predicting Academic Performance of Students Using a Hybrid Data Mining Approach,†J. Med. Syst., vol. 43, no. 6, 2019, doi: 10.1007/s10916-019-1295-4.

F. R. Fiantika et al., Metodologi Penelitian Kualitatif. In Metodologi Penelitian Kualitatif, no. Maret. 2022. [Online]. Available: https://scholar.google.com/citations?user=O-B3eJYAAAAJ&hl=en

M. M. Ali, T. Hariyati, M. Y. Pratiwi, and S. Afifah, “Metodologi Penelitian Kuantitatif dan Penerapannya dalam Penelitian,†Educ. J., vol. 2, no. 2, pp. 1–6, 2022.

M. Ridwan, S. AM, B. Ulum, and F. Muhammad, “Pentingnya Penerapan Literature Review pada Penelitian Ilmiah,†J. Masohi, vol. 2, no. 1, p. 42, 2021, doi: 10.36339/jmas.v2i1.427.

C. Shi, B. Wei, S. Wei, W. Wang, H. Liu, and J. Liu, “A quantitative discriminant method of elbow point for the optimal number of clusters in clustering algorithm,†Eurasip J. Wirel. Commun. Netw., vol. 2021, no. 1, 2021, doi: 10.1186/s13638-021-01910-w.

S. Saqib, A. Ditta, M. A. Khan, S. A. R. Kazmi, and H. Alquhayz, “Intelligent dynamic gesture recognition using CNN empowered by edit distance,†Comput. Mater. Contin., vol. 66, no. 2, pp. 2061–2076, 2020, doi: 10.32604/cmc.2020.013905.

M. Faisal, E. M. Zamzami, and Sutarman, “Comparative Analysis of Inter-Centroid K-Means Performance using Euclidean Distance, Canberra Distance and

Downloads

Published

2024-04-30

Issue

Vol. 8 No. 2 (2024): April 2024

Section

Articles

License

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).